(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210839961.6 (22)申请日 2022.07.15 (71)申请人 桂林理工大 学 地址 541004 广西壮 族自治区桂林市七 星 区建干路12号 (72)发明人 杨家志　沈洁　陈梦强　于广旺　 周国清　 (51)Int.Cl. G06T 5/00(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G01S 7/487(2006.01) G01S 7/493(2006.01) (54)发明名称 一种基于多尺度噪声的激光雷达点云去噪 方法 (57)摘要 本发明提供一种基于多尺度噪声的激光雷 达点云去噪方法， 涉及三维点云去噪技术领域， 包括根据不同尺度的噪声点进行分类处理； 获取 DBSCAN算法参数， 将点云数据集 分为不同形状的 簇； 使用Kd ‑tree树加速搜索， DBSCAN算 法对大尺 度噪声进行聚类去噪处理； 设定移动最小二乘法 阶数， 根据曲面进行法线估计， 确定拟合 半径； 对 小尺度噪声点使用移动最小二乘法平滑去噪和 重采样处理。 本发明的方法将 两种去噪方法进行 结合处理点 云数据， 点云数据中存在的多尺度噪 声能够有效去除， 并保持了点云模型的细节部 分。 权利要求书2页 说明书5页 附图4页 CN 115222625 A 2022.10.21 CN 115222625 A 1.一种基于多尺度噪声的激光雷达点云去噪方法， 其特 征在于， 包括以下步骤： S1、 输入点云数据； S2、 获取DBSCAN 算法中Eps和Mi nPts参数； S3、 建立Kd ‑tree加速邻域搜索， 对大尺度噪声 进行DBSCAN聚类去噪； S4、 设定移动最小二乘法阶数， 进行法线估计， 确定拟合半径； S5、 移动最小二乘法平 滑去噪； S6、 输出点云数据。 2.根据权利要求1所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S2中， DBSCAN算法是一种基于密度的空间的数据聚类方法； 该方法将簇定义为密度相连的 点的最大集合， 把具有足够密度的区域划分为簇， 并在有 噪声的空间数据集中发现任意形 状的簇。 3.根据权利要求1所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S2中， 获取DBSCAN 算法参数的具体方式为： S21、 如果数据集在特征空间中的K个最相似的数据集中的大多数属于某一个类别， 则 该样本也属于这个类别； 采用欧氏距离公式对未知数据的特征与数据集D 中的每一个数据 相对应的特征进行计算， 得到数据集D的距离 分布矩阵； 然后对距离 分布矩阵进 行升序排列 得到KNN分布矩阵， 并按列取平均值 为K值的平均距离， 得到 Eps参数列表； 所述欧式距离公式定义 为： 其中， d表示距离， xi表示未知数的特 征， yi表示训练集中的每一个数据相对应的特 征； 所述数据集D的距离分布 矩阵定义 为： Distn×n＝{dist(i,j)|1≤i≤n,1≤j≤n} 其中， Distn×n为n×n的实对称矩阵， n为数据集D中的对象个 数； dist(i,j)为数据集D中第 i个对象到第j个对象的距离； S22、 给定数据集D， 以Eps为邻域求出核心点邻域内数据点数量的期望值， 采用数学期 望法生成Mi nPts参数； 所述数学期望法定义 为： 其中， n为数据集D中核心对象的总数量， Pi 为第i个对象的Eps邻域的核心对象的数量。 4.根据权利要求1所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S3中， DBSCAN聚类去噪具体实现方式为： S31、 将阈值参数代入DBACAN聚类算法， 对点云数据集D进行读取， 以Eps为邻域遍历核 心点， 寻找与核心 点密度可达的数据点， 进 行聚类成簇， 当簇数稳定， 密度阈值最小时K值所 对应的Eps、 Mi nPts参数为 最优参数； S32、 创建Kd ‑tree加速搜索邻域， 保留最优参数下DBSCAN算法生成的聚类簇， 删除边界 点和噪声点， 得到去除大尺度噪声后的点云数据。权　利　要　求　书 1/2 页 2 CN 115222625 A 25.根据权利要求4所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S32中， 数据点在K维空间中进行构造， 树中的每一层对应一个维度， Kd ‑tree通过数据点的 属性个数循环的构造K维二叉搜索树.Kd ‑tree中左子树在给定维度上的值小于父节点， 而 右子树则大于父节点。 6.根据权利要求1所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 移动 最小二乘法处理散乱点云数据时通过系数向量和基函数分别对数据中不同位置的节点区 域进行拟合。 7.根据权利要求1所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S4中， 获取移动最小二乘法具体参数的具体方式为： S41、 建立K近邻 邻域及局部区域的拟合 函数， 设定拟合 函数中基函数的阶数为2； S42、 然后确定权函数为三次样条权函数， 对每个数据点的邻域拟合移动最小二乘曲 面； S43、 计算局部K邻域范围内的曲面， 根据曲面进行法线估计； S44、 创建Kd ‑tree搜索邻域， 确定拟合的K近邻半径； S45、 进行曲面重建， 去除小尺度噪声。 8.根据权利要求7所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S41中， 在拟合区域的一个局部 子域上， 拟合 函数f(x)定义 为： 其中， pT(x)＝[p1(x)p2(x)…pm(x)]为基函数， αi(x)(i＝0,1,...,n)为待求的系数矢 量， 系数对应的空间坐标为x＝[x,y,z]的函数。 9.根据权利要求7所述的基于多尺度噪声的激光雷达点云去噪方法， 其特征在于， 步骤 S42中， 所选取三次样条权函数定义 为： 其中， r＝x ‑xi， hi为第i个节点权函数影响区域的范围， β 为影响系数， 取值范围 通常为1.5～ 2.5， 一般为2.0 。权　利　要　求　书 2/2 页 3 CN 115222625 A 3